#машинное обучение

Ученые МТУСИ проанализировали возможности интеграции предложенной ими модели в систему защиты веб-приложений. Внедрение автоматизированных инструментов для обнаружения потенциально фишинговых URL-адресов на ранних стадиях их проникновения в сеть поможет существенно снизить риски для пользователей и организаций.

Хроническое повышенное кровяное давление оказалось возможно определить без тонометра и других привычных инструментов. Алгоритм, который анализирует аудиозаписи человеческого голоса и распознает в них биомаркеры гипертонии, разработали в Канаде.

Исследователи Центра ИИ НИУ ВШЭ, AIRI и Бременского университета разработали новый метод редактирования изображений на основе глубинного обучения — StyleFeatureEditor. Он позволяет точно воссоздавать мельчайшие детали изображения и сохранять их при редактировании. С его помощью пользователи смогут изменять цвет волос или выражение лица без потери качества изображения.

Коллектив ЮФУ разработал инновационную микрофлюидную систему, способную работать под высоким давлением и контролировать состояние катализатора и продукты с помощью спектральных методов. Эта инновационная разработка открывает новые возможности для более быстрого и эффективного синтеза материалов, используемых в клеях, высокоэффективных пластмассах, растворителях и моющих средствах.

Специалисты КБГУ разработали новую нейросетевую модель для диагностики инфаркта миокарда. При этом использовался простой математический метод автоматической классификации — алгоритм k-ближайших соседей, который не требует больших вычислительных ресурсов и доступа к платным облачным сервисам, что делает его установку доступной и недорогой. Сегодня на обслуживание одного пациента в поликлиниках уходит до 12 минут, а с помощью разработанной программы это время может сократиться почти вдвое.

Ученые из Сколтеха показали непригодность широко используемого класса моделей под общим названием «часы старения» для оценки эффективности перепрограммирования клеток — радикального омоложения ткани в живом организме.

Инфляция — один из ключевых показателей экономической стабильности, и точное прогнозирование ее уровня в различных регионах имеет большое значение для государства, бизнеса и домохозяйств. Татьяна Букина и Дмитрий Кашин из НИУ ВШЭ в Перми выяснили, что машинное обучение для прогнозирования инфляции превосходит классические эконометрические модели в долгосрочных прогнозах.

Исследователи проанализировали научные статьи о диагностике рака кожи с помощью технологии искусственного интеллекта и выяснили, что чаще всего для этой цели используют сверточные нейросети, основанные на глубоком обучении. При этом самый точный результат (93 процента точности) дают системы, основанные на машинном обучении, что делает их наиболее предпочтительным методом диагностики. Кроме того, за последние пять лет точность таких алгоритмов повысилась более чем на девять процентов.

Тематические модели — алгоритмы машинного обучения, способные сортировать большие объемы текстов по темам. Исследователи из НИУ ВШЭ в Санкт-Петербурге сравнили пять тематических моделей и определили, какие из них работают лучше. Наименьшее число ошибок показали две модели, одна из которых, GLDAW, — разработка Лаборатории социальной и когнитивной информатики НИУ ВШЭ в Санкт-Петербурге.

Ученые Центра ИИ и Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ применили классические алгоритмы обучения с подкреплением для настройки генеративных потоковых сетей (GFlowNets). Это позволило улучшить работу GFlowNets, которые применяются уже три года для решения сложнейших научных задач на этапах моделирования, генерации гипотез и экспериментального проектирования.

Японские сейсмологи обучили нейросеть на большом каталоге сгенерированной сейсмической активности, чтобы выяснить, как искусственный интеллект анализирует эти данные. Предсказания лабораторных землетрясений оказались точными вплоть до часов перед главным ударом.

Аномалии в интернет-трафике — это непредсказуемые, необычные или отклоняющиеся от установленных норм взаимодействия в сети. Они могут указывать на наличие вредоносных программ, взломов или других нежелательных событий. Возможности методов машинного обучения открывают новые горизонты для точной классификации трафика в обнаружении аномальных значений для предотвращения кибератак. Один из таких методов предложил магистрант МТУСИ.

Ученые из Сколтеха представили метод для изучения свойств поликристаллов, композитных материалов и многофазных систем с помощью машинного обучения. Точность результатов расчетов с применением нового метода сопоставима с точностью квантово-механических методов, которые можно использовать только для материалов, состоящих не более чем из нескольких сотен атомов. Еще одно преимущество нового метода — в возможности обучения потенциала на так называемых локальных окружениях атомов.

Корреспондент Naked Science поговорил с заведующим лабораторией машинного обучения в науках о Земле МФТИ, старшим научным сотрудником Института океанологии РАН Михаилом Криницким о том, чем отличаются машинное обучение и искусственный интеллект, как нейронные сети уже сегодня предсказывают погоду, каким образом математик может стать океанологом и почему океанолог в наше время обязан быть немного математиком, чем так хорош для студентов и ученых проект «Плавучий университет» и есть ли у паучков интеллект.

Ученые из США разработали устройство, которое, как пластырь, прикрепляется к шее человека и считывает движение мышц. Оно поможет говорить тем, кто потерял голос.

Исследователь из МТУСИ предложил распознавать и сортировать бытовые отходы при помощи искусственного интеллекта.

Нейросеть и человек воспринимают звук по-разному. Из-за этого алгоритмы для улучшения звука не всегда обрабатывают аудио желаемым образом. Ученые разработали новую модель глубокого обучения, которая опирается на человеческие оценки звуковой дорожки и способна улучшать аудиозаписи более эффективно.

Согласно исследованию Массачусетского технологического института (США), кодирование симметрий поможет языковым моделям обучаться на меньшем количестве данных. Это доказал аспирант, который применил закон Вейля к работе с нейросетями и сформулировал связь между симметричностью данных и размером обучающей выборки.

Ученые из Сколтеха и МФТИ с коллегами из Германии, Австрии и Норвегии предложили и верифицировали новый способ компьютерного моделирования магнитных сплавов с помощью машинно-обучаемых потенциалов. В методе в качестве переменных учитываются магнитные моменты атомов (магнитные степени свободы), благодаря чему он успешно предсказал энергию, механические и магнитные характеристики сплава железа и алюминия. Ученые планируют добавить в метод активное обучение и протестировать его на другом материале — нитриде хрома.

Участники мероприятия узнают про главные работы в области искусственного интеллекта и машинного обучения в 2023 году.